Machine learningDeep learning / NLP / CV

Daudzvalodu Doc2Vec

Daudzvalodu Doc2Vec paplašina Le un Mikolova (2014) izstrādāto dokumentu vektoru (Paragraph Vector) sistēmu divām vai vairākām valodām, apmācot dokumentu līmeņa iegultnes kopīgā vai saskaņotā vektoru telpā, lai semantiski līdzīgi dokumenti — neatkarīgi no to valodas — atrastos tuvu viens otram. Tas nodrošina starpvalodu dokumentu izgūšanu, klasifikāciju un grupēšanu, neprasot paralēlus korpusus vai tulkošanu.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Daudzvalodu Doc2Vec

LDA tēmu modelis Daudzvalodu teikumu iegu…Daudzvalodu transformato…Ievietojumi teikumiem

Avoti

Le, Q., & Mikolov, T. (2014). Distributed representations of sentences and documents. In Proceedings of the 31st International Conference on Machine Learning (ICML), PMLR 32(2), 1188–1196. link ↗
Multilingualism. Wikipedia. link ↗

Kā citēt šo lapu

ScholarGate. (2026, June 3). Multilingual Paragraph Vector (Doc2Vec) Model. ScholarGate. https://scholargate.app/lv/deep-learning/multilingual-doc2vec

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

LDA tēmu modelisDziļā mācīšanās↔ compare
Daudzvalodu teikumu iegulšanasDziļā mācīšanās↔ compare
Daudzvalodu transformatorsDziļā mācīšanās↔ compare
Ievietojumi teikumiemDziļā mācīšanās↔ compare

Compare side by side →

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →